STDC/README.md

STDC — Semantic Segmentation

快速開始

環境安裝

# 建立與啟動 conda 環境
conda create -n stdc_golface python=3.8 -y
conda activate stdc_golface

# 安裝 PyTorch + CUDA 11.3
conda install pytorch=1.11.0 torchvision=0.12.0 torchaudio cudatoolkit=11.3 -c pytorch -y

# 安裝 mmcv-full
pip install mmcv-full==1.5.0 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.11.0/index.html

# 安裝專案
pip install -e .

# 安裝工具套件
pip install opencv-python tqdm matplotlib cityscapesscripts yapf==0.31.0

資料準備

1. 使用 Roboflow 匯出資料集，格式選擇 Semantic Segmentation Masks
2. 使用 seg2city.py 將 Roboflow 格式轉換為 Cityscapes 格式
3. 將轉換後的資料放至 data/cityscapes/

訓練與測試(需自己修改config檔案)

# 訓練
python tools/train.py configs/stdc/kn_stdc1_in1k-pre_512x1024_80k_cityscapes.py

# 測試（輸出視覺化結果）
python tools/test.py configs/stdc/kn_stdc1_in1k-pre_512x1024_80k_cityscapes.py \
    work_dirs/kn_stdc1_in1k-pre_512x1024_80k_cityscapes/latest.pth \
    --show-dir work_dirs/vis_results

轉換 ONNX / NEF（Kneron Toolchain）

# 啟動 Docker（WSL 環境）
docker run --rm -it \
    -v $(wslpath -u 'C:\Users\rd_de\stdc_git'):/workspace/stdc_git \
    kneron/toolchain:latest

# 轉換 ONNX
python tools/pytorch2onnx_kneron.py \
    configs/stdc/kn_stdc1_in1k-pre_512x1024_80k_cityscapes.py \
    --checkpoint work_dirs/kn_stdc1_in1k-pre_512x1024_80k_cityscapes/latest.pth \
    --output-file work_dirs/kn_stdc1_in1k-pre_512x1024_80k_cityscapes/latest.onnx \
    --verify

# onnx2nef
python onnx2nefSTDC630.py

# 將 NEF 複製到本機
docker cp <container_id>:/data1/kneron_flow/models_630.nef \
    "C:\Users\rd_de\stdc_git\work_dirs\nef\models_630.nef"